为什么我在Pandas中的列数据偏移了一位？

Question

我正在使用Pandas这个库来处理文本，因为我觉得它比csv模块简单多了。现在遇到一个问题。我有一个.csv文件，里面有多个列：subtitle、title和description。下面是我如何访问每一列的内容。

colnames = ['subtitle', 'description', 'title']
data = pandas.read_csv('C:\Users\B\cwitems.csv', names=colnames)
subtit = list(data.subtitle)
desc = list(data.description)
title = list(data.title)

for line in zip(subtit, desc, title):
    print line

问题是，不知道为什么，当我打印line的时候，期待的副标题并没有打印出来。当我打印每个desc时，标题却出现了。而当我单独打印subtit时，描述又被打印出来。所以，看起来每一列的内容都错位了，少了一个。有没有人能解释一下这种情况？这是正常的吗？我该怎么避免这种情况呢？

Answer 1

我遇到过类似的问题，结果发现我想下载的 .csv 文件在表头的最后没有逗号，但其他每一行的末尾都有逗号。把 index_col 设置为 False（而不是默认的 index_col=None）可以强制 pandas 创建一个索引列，而不是自己推测一个索引，这样我的数据就能正确对齐了。

Answer 2

看起来我解决了这个问题——虽然我在文档里没找到相关信息，所以也许有经验的Pandas用户能解释一下为什么或者是怎么回事。我自己是搞不清楚的。

我做的事情是：删除了一个没用的列（就是我.csv文件里的最后一列），然后索引就恢复到了正确的顺序。我不知道这个行为（或者说它的修正）是怎么回事——是和我的.csv文件有关，还是Pandas本身的问题（可能只有在处理文本时才会出现这种情况）。我也不清楚。

无论如何，我非常感谢大家的帮助！！这次我算是走运了。

Answer 3

我在使用 pd.read_csv 的时候加上了 index_col=False，现在没问题了。

Answer 4

我不确定这算不算答案，不过评论的字数太多了。你可以随意忽略它。

>>> from itertools import izip_longest
>>> 
>>> l1 = [1,2]
>>> l2 = [1,2,3,4,5]
>>> l3 = [1,2,3]
>>> 
>>> for line in izip_longest(l1,l2,l3):
...     print line

将会输出：

(1, 1, 1)
(2, 2, 2)
(None, 3, 3)
(None, 4, None)
(None, 5, None)

Answer 5

我觉得你是想加载一个有4列的文件，但你只给了3个列名。如果你只想加载前3列，可以使用

data = pandas.read_csv('C:\Users\B\cwitems.csv', names=colnames, usecols=[0,1,2])

你不需要在文件中删除未使用的列。

默认情况下，read_csv会加载所有列，而在你的情况下，列数等于列名加1，所以第一列会被当作数据框的索引。剩下的列都会往后移一位。